团论文网
团论文网
-
摘要：在当前加强ESG建设的背景下，“数据孤岛”问题成为企业实现数字化转型和信息融合道路上的“拦路虎”,因此迫切需要加以重视并予以解决。基于访谈和问卷调查分析，识别出现“数据孤岛”现象的原因，进而建立了包括问题识别、数据治理策略确定、数据架构管理、数据治理实施、保障体系建设等步骤在内的“数据孤岛”治理路径，并通过具体案例验证了其可行性，最后总结了数字化转型企业通过构建数据治理路径来解决数据孤岛问题的成效与经验，并提出普适性建议。
关键词：数据孤岛；数字化转型；数据治理；ESG
0引言
在我国经济高质量发展的道路上，可持续性发展已成为社会经济领域的热门话题。党的二十大报告特别强调，经济社会发展绿色化、低碳化是我国高质量、可持续发展的关键环节[1-2]。在这种时代背景下，ESG理念正逐渐成为投资者决策的新导向，进而在数据采集、目标设定、数据分析和检测与审计等方面对数据信息质量提出了更高的要求[3]。
与此同时，数据已成为数字经济时代最核心的生产要素[4]。对于企业来说，实现数字化转型可以为企业提供更多的基础技术与信息资源，改善企业的业务流程和经营模式，实现企业经济效益的提升[S-6]。在我国生产要素改革政策的引导下，众多企业纷纷踏上数字化转型道路，仅在2016—2023年这8年间，我国数字经济规模就由22.6万亿元增长到56.7万亿元，年均复合增长率达32.1%。
国内众多学者如张巧良和孙蕊娟7]、马险峰等[8]、张飒9]、王蓉[10]对ESG对于信息披露和信息共享的重要性及ESG指标体系的建设等问题从不同方面进行了研究；肖红军等[11]、吴铖铖和董慧[12]、吴勋和王漪[13]、白雄等[14]、沈剑飞等[15]对于企业数字化转型与ESG的关系及如何相互促进发展等也做了深入研究；薛惠锋[16]、王茹[17]、周茂君和潘宁[18]、刘洋[19]、刘变叶[20]、叶明和王岩[21]、史鼎元等[22]、陈虎和郭奕[23]、RAGGAD G²4]分别从数据孤岛的形成原因、具体表现及解决办法等不同角度做了相应探讨和研究。
其中，陈虎[25]认为，从20世纪80年代起，我国数字化转型企业在财务领域的数字化演进历经了从会计电算化到由ERP推进的业务财务一体化，再到移动互联网和云计算，直到如今由“大智移云物”推动的财务数字化4个发展阶段。对财务而言，数据目前主要是被作为证据使用，这严重低估了数据在追溯过去、监控评价、实时预警、洞察规律、发现未知和预测未来等方面的应用潜力。同时伴随信息化演进的同时，种种问题也随之而生，当前财务数据问题主要表现为封闭现象、孤岛现象和数据应用有限这3个方面。特别是对于数字化转型企业来说，当前亟须解决企业财务的“数据孤岛”问题。
众所周知，数据是管理报告及经营分析的基础，而很多大型企业存在集团内部多板块、多种业务场景，业务系统种类多样，每个事业部/部门之间的财务数据往往都各自存储，各自定义，系统孤岛较多，导致主数据、元数据的数据标准未实现统一落地实施，缺乏数据治理手段，数据质量难以保证，导致其间并未建立有效的数据交换服务；另外，企业的财务数据间也缺乏关联性，彼此无法兼容。以上原因共同导致企业内部形成数据孤岛，影响企业财务数据管理[26]。这种数据困境使得企业各部门在取数、算数、用数等过程中面临着数据集成、数据标准、数据质量、主数据等诸多方面的痛点，严重阻碍数据的汇聚、共享与应用。结合ESG时代背景对于数据信息质量的标准提高，数字化转型企业的数据孤岛问题愈发突出和紧迫，因此，数据孤岛问题已成为当前ESG背景下数字化转型企业亟须解决的问题，见图1。
具体来说，“数据孤岛”现象的存在，在数据集成领域极大地增加了数据集成的风险，对数据的畅通循环和有效利用造成了巨大阻碍；在数据标准方面，由于缺乏统一的标准体系，业务和财务部门往往采用不同的数据标准，业财数据面临着联通和共享困难的问题；在数据质量领域，易出现完整性、准确性和及时性等漏洞，对后续数据清洗、储存、分析等工作产生负面影响，进而会对企业最终决策产生不利影响[27-28];在主数据领域，由于缺乏统一规范的标准，财务数据经常出现重复性数据，进而产生数据冗余问题，既加剧了数据整合难度，又影响了数据的质量和准确性。
1“数据孤岛”治理路径研究
1.1访谈调研
为系统和深入了解数字化转型企业面临数据孤岛问题的解决思路，在充分调研现有数据孤岛的治理途径和应用场景，以及数据孤岛治理工作中的痛点、难点和数据应用需求的基础上，本文对数据应用领域5位资深专家学者进行了调研访谈，在对访谈结果整理和分析后发现，企业出现数据孤岛问题的原因可以从以下3个不同层面来看：
(1)组织架构层面缺管理、缺制度、缺标准、缺流程、缺考核。
(2)系统层面业务系统间主数据编码不一致；系统数据无法关联、共享；系统林立，数据多重定义、多重维护。
(3)技术层面主数据编码不一致；数据集成复杂，工作量大；抽取数据整合分析困难；未形成可视化的财务管理体系。
数字化转型企业内部的信息化建设产生上述问题，归根结底是数据治理没有跟上数字化转型的发展步伐。基于访谈结果并进一步结合DAMA数据管理理论，绘制出数据治理体系的框架图，见图2。数据治理体系由多个模块组成，如数据架构管理、数据标准管理、数据质量管理等，而每个模块上又分出多个内容分支，它们与数据孤岛现象有着千丝万缕的联系。因此，治理“数据孤岛”问题，可以从该框架体系上进一步延伸。
1.2问卷发放与收集
在确定全面数据治理体系框架后，发放关于研究“数据孤岛”解决路径的调研问卷。本次问卷通过问卷星平台进行发放，调研问卷中包含调研对象基本特征的描述性问题，如职业身份、受访者岗位、工作年限等。该问卷设置为1个ID仅限1次填写，并请受访者根据自己的真实体验来填写。调研问卷发放时间为2024年3月16—26日，实际收到问卷300份，以答题时长为依据，剔除2份无效问卷，有效问卷共计298份。
1.3“数据孤岛”治理路径分析
数字化转型企业为了实现业务数字化、智能化的要求，首先，要根据企业实际情况分析存在的数据孤岛问题，据此确定数据战略与规划，并在此基础上进行数据架构管理，建立企业数据模型、数据集成与共享平台，实现数据可视化展示。其次，在数据治理体系的核心区域，提取和管理元数据，形成数据资产，实现数据场景应用。数据标准既是主数据定义的基准，又是数据质量管理的核心，可以说，数据标准管理是能否打破“数据孤岛”的核心。而主数据对于提升数据质量具有重要作用，通过建立主数据管理机制，构建主数据管理平台，来提升主数据的标准性、提升主数据的质量，从而提升财务数据分析的质量。最后，是保障体系建设，包括流程保障、项目组织、管理制度和员工策略。见图3。治理“数据孤岛”问题，其最终是将全面、统一、准确的数据投入数据运用和运营中，真正实现数据价值，满足业务各方的需求。“数据孤岛”治理路径的有效实现，最终保证数据之间建成高效联通的机制，离不开组织管理、明确的责任人、考核体系、流程制度、数据治理政策和数据治理平台的支撑。
2案例应用
A企业经过近40年的改革发展，已形成以金融、房地产、工程、化工、畜牧业、零售为核心产业的多元化产业公司。公司和下属业务单元主要业务是房地产开发和经营管理、企业自有资金投资、投资工程建筑、实业投资、畜牧业项目开发、加工种植和商超零售业务等业务的构建、运营和处置等管理活动。各业务条线在日常管理活动中产生大量交互数据，是投资型企业最为重要的财务数据资源和知识财富。
2.1“数据孤岛”问题识别
为了顺利开展数据孤岛治理工作，先后访谈了公司人力、财务、投资、法务、审计、风控6个部门，共完成调研访谈8次，收集12份资料，整理会议、访谈纪要10份，阅读了涵盖多个关键业务系统的数据、数据报表和报告。通过调研考察发现，作为企业数据管理的来源基础的业务数据信息，并没有得到应有的重视，数据管理仍停留在无序状态，具体表现在：
2.1.1数据对接困难
公司总部牵头建设数字化基础系统，其中公司总部财务管理系统和人力系统都在逐步推广过程中。管理驾驶舱分析体系已基本建成，公司统一门户平台、办公自动化系统、投资系统、资产管理系统等各类管理系统陆续开工建设。业务单元内部除了核心业务管理系统建设外，采购管理系统、客户管理系统、小程序等都在实施过程中。由于系统重复建设过多、各自维护，间接导致在系统集成性、数据一致性方面存在较大问题，数据无统一标准，而是由各业务单元自定一套标准。例如：供应商编码自成体系、员工编码规则不一致，组织机构编码多样化，导致系统之间数据的传递存障碍。
2.1.2主数据系统建设难统一
公司还未建设成熟的主数据管理系统，工程公司采购使用国内主流厂商的主数据管理系统，地产公司使用国外品牌的主数据管理系统，分别实现了部分主数据域的管理，化工公司、金融公司、零售公司及畜牧公司尚未建设专业的主数据平台。目前集团主数据管理乱、多源录入，没有标准稽核环节，导致历史主数据杂乱、可用性差，亟待梳理。突出的问题包括：标准不统一、分类不统一、一物多码等现象。
2.2“数据孤岛”治理策略
2.2.1数据战略规划
针对识别出的“数据孤岛”现象和原因，将主数据建设目标确立为“三年内由总部和业务单元各自搭建主数据平台，三年后逐步统一”,属于公司统一管控的主数据域由总部制定、管理、分发给业务单元，属于业务单元自身业务范畴内的主数据域由业务单元自行管理。其中公司总部参与管控的主数据包含行政组织(员工和组织)、财务组织(公司代码)、股权组织、核算科目、成本中心、利润中心、金融机构、供应商、客户、物料、合同、项目以及相应的基础数据。
1.建立组织架构
在公司层面建立数据治理委员会，并在数据治理委员会框架下建立总部和业务单元多级主数据管理组织，培养和造就出一支数据标准化管理团队，并逐步建立健全数据标准化管理组织和激励机制，促进主数据系统平稳运营。建立技术管理线和业务管理线双重管理线，其中技术管理线负责制订实施计划，协调问题、争议，统一发布标准，组织数据评价和审计等方面，业务管理线负责根据标准对各业务单元审核通过的数据进行审核，并根据业务需求提交数据业务申请，具体见图4。
2.建立管理流程制度
根据不同的主题选择不同的管理模式，设计符合管控要求的管理流程和规章制度，确保主数据治理体系的顺畅运转。见图5。
3.建立管理平台
确保数据完整和准确，实现主数据在各个业务系统之间自动化、流程化管理，实现主数据“单点维护、统一管理、充分共享",见图6。
在严格标准的主数据管理体系框架下及保障数据安全的前提下，通过人力、财务、客户、供应商、物料主数据建设，实现业务系统和财务系统一体化，然后在此基础上实现公司所有人力、财务、客户、供应商信息共享，提高客户、供应商风险管理水平，以此来解决A企业数据孤岛问题。
2.2.2主数据管理实施
1.组建主数据项目小组
项目由公司IT部门发起，公司首席信息官、业务部门负责人、数据部门负责人牵头，业务单元IT部门和业务部门共同参与，涉及部门多、用户覆盖面广，因此项目组需要成立强有力的项目组织，并制订项目管理计划，保障项目成功运行。见图7。
项目小组组建后，要依次开展主数据需求调研、主数据业务方案设计、系统实施与上线，以及上线运维支持工作，不仅要负责与各部门之间的数据负责人进行沟通，了解数据需求和标准要求，确保数据的准确性和完整性，还要定期对主数据进行更新和维护，对主数据进行检查和评估，及时发现潜在的问题和错误，保证项目顺利结项，见图8。
2.撰写主数据标准
在广泛调研基础上，参照相关的国际标准ISO、国家标准等标准，并结合公司现实业务和未来业务发展的要求，依据《GB/T36073—2018数据管理能力成熟度评估模型》《GB/T34960.5—2018数据治理规范》《GB/T 36344—2018信息技术数据质量评价指标》《GB/T 36106—2018法人和其他组织统一社会信用代码数据管理规范》等国家标准，参考国家行业相关标准规范，包括房地产、金融、交通基建、食品等行业的数据标准，结合公司的实际情况，开始主数据标准的起草工作。
3.搭建主数据管理平台
为了减低项目实施难度，公司可以在已经拥有成熟的信息管理系统的基础上实施主数据管理。A企业在完成人员、组织、财务、供应商、客户、物料等相关主数据的标准制定、蓝图方案后，设计主数据模型，并在主数据平台实现主数据新增、修改、冻结、审批、导入、分发以及数据质量检查等产品功能。并同步开展主数据系统与周边业务系统集成工作，包括OA办公系统、财务系统、人力资源系统、采购系统、客户管理系统、投资管理管理系统，以及业务单元等业务系统，实现了主数据编码统一生成，标准统一管理，推动基础数据资源在各业务单元间的共享和整合。
2.2.3建立质量评价体系
建立事前预防、事中监控、事后考核的主数据质量监控体系。设计评价主数据标准是否有成熟的质量探查手段、质量评价体系标准，确保主数据治理体系的顺畅运转。从主数据完整性、准确性、有效性、一致性等方面管理主数据质量。
1.主数据完整性
描述主数据信息是否完整，以及明确主数据信息在哪个领域有所缺失。主数据完整性是数据质量评价的基础评价指标。
2.主数据准确性
评价主数据项与客观事物之间的相符性，也可以理解为评价主数据的记录是否存在错误或不正常情况，从而增强数据处理人员的数据质量意识。
3.主数据有效性
评价主数据是否遵循企业设定好的定义规则，如，数据的类别、来源、实际取值等，并按照流程进行数据处理。在一定时间段内对决策具有价值的属性。
4.主数据一致性
描述主数据与上下游业务系统之间主数据编码、属性等是否一致。检查主数据表和业务系统表相同或者类似字段值是否一致。见图9。
2.3预期建设效果
1.公司主数据全景识别
基于公司IT战略规划确定的公司九大业务领域和共性系统，识别出公司的组织、员工、岗位、会计科目、成本中心、利润中心、金融机构、客户和供应商、物料等主数据。基于业务单元特有的业务特性，通过访谈和方案建议，分别识别出地产、金融、工程、化工、畜牧业等业务单元的主数据，包括分期、楼栋、产品、仓库、销售组织等个性主数据，完成公司主数据全景规划图，见图10。
梳理公司人力、财务、客户、供应商、物料分类原则、编码规则、标准模板、计量单位、描述符号、特征量参照附表等，在参照咨询商数据标准化知识库的基础上，结合公司生产经营需要进行了梳理，形成具有需要公司特色的数据标准库。
2.建设主数据管理模式
基于公司的主数据全景图，结合公司主数据平台的建设模式，将主数据的管理分为公司集中管理、公司与业务单元分级管理、业务单元自行管理管理3类，从公司到业务单元分别建立主数据管理组织，实现分级差别化管理。其中公司集中管理的主数据标准由公司制定，在主数据系统集中维护；总部与业务单元分级管理的主数据由公司与业务单元共同制定标准，分级维护；业务单元自定管理的主数据由业务单元制定标准并自行维护数据。见图11。
3.建设主数据标准体系
制定完整的公司主数据标准体系框架，为公司数据标准工作的持续推进奠定基础。主数据标准体系由规章制度、数据组织、标准规范、集成规范、运营体系5个部分组成，规范了系统之间人力、财务、法人、供应商、客户、物料共计6类18项主数据编码规则，为公司和业务单元之间的信息定义、分类、使用和扩展提供具体的操作办法，具有较好的实用价值，见图1 2。
项目组颁布人力、财务、法人、供应商、客户、物料等共计6类18项主数据管理标准和主数据管理细则，梳理主数据管理流程，使主数据管理有据可依。主数据项目组颁布的规范文件包括《主数据管理工作指引》《人力主数据标准》《财务主数据标准》等，以及各种主数据管理流程，包括《主数据运营管理流程》《主数据变更流程》《主数据标准管理流程》等，见图13。
4.建设主数据平台
项目组实现主数据管理平台的部署实施，通过Webservice总线集成完成与人力系统、财务核算系统、费控系统、资金系统、采购系统、客户管理系统、投资系统、ERP系统、风险管理系统、业务单元主数据系统、零售核心系统等多套应用系统的深度对接工作，见图14。
3研究结论与建议
综上所述，通过企业在数据战略管理、数据标准管理和数据质量管理方面的改善，能够实现数据治理体系的规范管理、统一分发和集成共享，满足企业解决“数据孤岛”问题以及数据管理方面的需求，全面提升数据质量，加速统一企业级数据模型，明显提升产业服务的响应速度，为下一步企业实现降本增效，全面提升数据应用和数据服务水平，实现数字化管控提供有力支撑。具体而言有以下3个方面建议：
3.1优化利用会计信息系统
企业经营管理平台的不断完善与更新是企业应对“数据孤岛”的关键。提高SAP的源代码开放度，比如增加数据电子发票、数据质检等多个功能模块，能够更好地适应企业的经营发展与经营需要。在此基础上，重点强化以商务分析为基础的企业管理信息报告体系结构。同时，积极构建基于情景分析、智能预测和数据价值链可视化分析系统[29]。该体系旨在提高管理层对数据信息的利用效率，借助智能分析系统提供的可视化数据分析，实现对数据信息的深入挖掘和有效呈现。通过这一体系，管理层能够更加便捷地获取所需信息，在此基础更为明智的决策，促进企业的决策优化和运营提升。
3.2加强数据市场监管手段
在平衡数据利用与数据安全这一关键任务上，需要内外部环境的监管者共同发力。从外部环境来看，政府应发挥监管者的职能，致力于构建公平稳定的市场环境。一方面，运用先进的数字技术并联同其他部门开展常态化市场监督管理，数据交易遵守相关规定；另一方面，应积极采取社会行动，构成政府牵头、多方参与并行的数据监管局面，增强数据市场的稳健性发展。从内部环境来看，立法工作应加强对数据流通的事中和事后监管。除了对数据收集阶段进行严格的监管外，还应增加对数据流通的中间环节和后续利用的监管措施。同时，加强对企业内控机制的审查，严厉打击数据违法行为，以维护数据市场的秩序和公平竞争。
3.3业财人员培养策略
首先，提高员工对具体业务的了解，并将经营和财务两个层面的资料整合起来，将各个经营单位的运作状况进行整合，便于员工与各个部门之间进行业务沟通；其次，加强企业财务管理部门的数据组织、分析与可视化工作，在此基础上，要主动探讨多维的数据分析与统计手段，利用数据可视化手段将研究成果展示出来，让研究工作具有明确的逻辑与组织结构；
最后，建成管理层主导的业财人员培养体系。要打破“数据孤岛”,更多的是要借助企业整体层面的数据管理和业务管理规划，因此，管理层指引着财务数据发展方向及负责财务管理体系的搭建，并明确数据分析人员的决策需求。通过引导业财人员实现财务思维向财务数字化思维转变，培养员工对数据价值信息进行辨识和分析，最终，能够实现迅速地采集和处理财务数据信息，形成高度可视化的管理会计报告和每日监测系统，从而提升企业运营的效率和质量。
4结语
随着数字化时代的到来，企业经营模式创新与多元化、经营决策精准化与精细化使得企业对各类数据愈发重视，释放数据价值成为企业间博弈的新赛道[30]。特别是在近几年ESG广泛引入企业决策的背景下，对企业各种数据信息间的互联互通更是提出了更高的要求。而数字化转型企业历经数据信息系统从无到有，各方数据处理效率提升的同时，企业却仍存在各系统相互独立，缺乏互通性，导致数据质量堪忧的问题。因此，构建解决“数据孤岛”问题的路径，并组建专门的项目组人员至关重要。结合企业实际发展情况，推动相关数据治理体系的迅速落地，将有助于加速数字化转型进程，进一步实现数据价值。这样，数据才能真正成为推动企业效益增长的核心动力。
参考文献
[1]中国共产党第十九届中央委员会第四次全体会议.中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定[A/OL].(2019-11-05)[2024-06-26].
[2]中共中央，国务院.中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见[A/OL].(2020-04-09)[2024-06-26].
[3]FONTANAS,AMICO E,COLUCCIA D,etal.Does environmen-tal disclosure?[J].Meas Bus Excell,2015.19(7):42-57.
[4]BROWN B.Are you ready for the era of big data[J].Mc Kinsey Quarterly 2011(10):24-35.
[5]范煜.数据革命：大数据价值实现方法、技术与案例[M].北京：清华大学出版社，2017.
[6]秦荣生.企业数据资产的确认、计量与报告研究[J].会计与经济研究，2020,34(6):3-10.
[7]张巧良，孙蕊娟.ESG信息披露模式与投资者决策中的锚定效应[J].财会通讯，2015(29):26-28,129-129.
[8]马险峰，王骏娴，秦二娃.上市公司的ESG信披制度[J].中国金融，2016(16):33-34.
[9]张飒.ESG体系在我国的应用研究[J].金融纵横，2017(11):80-85.
[10]王蓉.成本—收益视角下ESG信息披露与企业价值关系研究[J].上海对外经贸大学学报，2022,29(4):74-86.
[11]肖红军，阳镇，刘美玉.企业数字化的社会责任促进效应：内外双重路径的检验[J].经济管理，2021(11):52-69.
[12]吴铖铖，董慧.数字化转型、高质量发展水平与企业ESG表现：基于长三角制造业上市公司的经验数据[J].大连民族大学学报，2023,25(6):507-517.
[13]吴勋，杨美漪.ESG责任履行能够强化企业价值创造吗?:基于数字化转型的门槛效应[J].科学学与科学技术管理，2024,45(10):103-118.
[14]白雄，朱一凡，韩锦绵.ESG表现、机构投资者偏好与企业价值[J].统计与信息论坛，2022,7(10):117-128.
[15]沈剑飞，李亚杰，王涛，等.数字化转型与企业资本结构动态调整[J].统计与信息论坛，2022,37(12):42-54.
[16]薛惠锋.数据安全与国家发展[M].北京：科学技术出版社，2016.
[17]王茹.德国工业4.0的优势、挑战与启示[J].经济研究参考，2016(51):3-6,39.
[18]周茂君，潘宁.赋权与重构：区块链技术对数据孤岛的破解[J].新闻与传播评论，2018,71(5):58-67.
[19]刘洋.企业内部的数据孤岛现象的内在成因和解决建议[J].信息系统工程，2018(4):93-95.
[20]刘变叶.数字经济时代区块链技术破除平台数据垄断的机制构建[J].企业经济，2022,41(6):143-151后台-系统设置-扩展变量-手机广告位-内容正文底部 -
本文标签：
ESG背景下数字化转型企业“数据孤岛”问题治理路径研究—以A企业为例论文
人参与 2025-02-25 10:42:08 分类 : 经济学 点这评论 作者：团论文网 来源：https://www.tuanlunwen.com/
-
站内搜索
-
随机文章
-
标签列表
-
-
最近发表
-
-
热门文章 | 最新文章 | 随机文章
-
-
最新留言
-
首页 论文知识 教育论文 毕业论文 教学论文 经济学 管理学 职称论文 法学 理学 医学 社会学 物理学 文献 工程论文 学位论文 研究论文
Powered 团论文网 版权所有 备案号：鄂ICP备2022005557号统计代码
全站搜索